联想创投合伙人王光熙：人形机器人的商场预期，短期过于达观而长时间过于失望

当大模型成为移动互联网之后的下一个工业周期后，人形机器人也开端成为承载这一技能的典型产品之一。

揭露数据计算，2023年国内人形机器人范畴共有19起融资，发表融资总额达26.7亿元，同比添加65.5%。2024年上半年，国内的人形机器人投融资作业已达13起，融资总金额超25亿元。在参加出资的组织，有经纬创投、峰瑞本钱、红杉我国等风险出资组织，也有联想创投、上汽、小米这样的工业本钱，还有亦庄创投、浙商创投等政府资金进场。

可以说，与上一波的自动驾驶创业潮相似，相同短期内还看不到商业化或许的人形机器人赛道上，为了抢到下一个年代的进场券，本钱也开端了前期的密布押注。而不同是，比较自动驾驶而言，各地政府和国有本钱进入人形机器人工业的程度更深、节奏也更快。

“政府层面如此深度地参加这样一个前期职业，确实是在十年前的自动驾驶创业潮中未曾呈现过的现象。”

联想集团副总裁、联想创投合伙人王光熙对钛媒体APP表明，至于其间原因，一方面与整个本钱商场的环境改变相关。近几年，国有本钱在新式发生产力相关的一些立异范畴，开端扮演越来越重要的人物。

另一方面，人形机器人是一个十分前期的职业，也是一个跨范畴的杂乱系统工程——从AI软件到硬件，再到使用场景，整个价值链的链条十分长。这就导致单一的组织，很难像政府部分那样，凑齐那么多的资源来支撑工业的开展。

王光熙以为，在人形机器人这个十分前期的职业中，政府出来做一些作业仍是十分有价值的。而作为本轮人形机器人的本钱参加方，联想创投也出资了比方星动纪元、逐际动力等人形机器人范畴的抢手公司。

“人形机器人范畴的前期出资，很要害的一点要看开创人是否具有极强的跨范畴研制才干。也便是AI年代原生的具身智能科学家，而不是本来做了多年的机器人操控或许视觉算法，现在大模型火了，出来学着做具身智能的人。”

王光熙称，人形机器人范畴的创业团队，需求有对前沿技能的了解和打破才干，然后将最前沿不同范畴的东西融会贯通，这样才干做好全体的技能架构。

在王光熙看来，现在商场关于人形机器人的预期，短期过于达观而长时刻则过于失望。短期内，有些人期待着人形机器人很快就能下场干活，进入产线乃至家庭生活。但现在这个职业的现状是，至少需求两到三年才干够在部分技能范畴有一些长足的前进和打破。

而从长远来看，有观念则以为人形机器人泛化才干的打破看不到期望，从仿真练习到实践场景的迁徙存在巨大距离。但其实人形机器人从开展到老练的过程中，存在着许多的中间状态，在不同的可控环境和可控场景里边，人形机器人可以干各式各样的作业。

以下是钛媒体APP与王光熙的独家对话内容，略经修改：

自动驾驶在开展前期时，政府的倾向或许是先让企业在前面跑起来，然后在后续拟定相关的方针。但人形机器人这波创业潮中，政府层面相对更靠前进入，包含引导基金参加出资或许各地树立立异中心。你是怎样看待前后两次创业潮中，政府相关部分的人物改变？

王光熙：你的调查是对的。

自动驾驶实质上仍是依据百年轿车工业，有一套现已十分红系统的工业生态，有老练的规矩，可以依托于老练的工业去做增量实验。因而，政府部分或许也没有必要在工业开展特别前期的时分，就参加进来。

相关于自动驾驶而言，人形机器人是一个技能难度更高的职业，未来潜在的使用场景也十分广泛，涉及到工业、物流、服务业，乃至是个人消费，牵涉社会的方方面面。并且，它仍是一个跨范畴、杂乱的系统工程。从AI软件到硬件再到使用场景，整个价值链的链条十分长。

这就导致单一的组织，很难像政府部分那样，凑齐那么多的资源来支撑工业的开展。这个时刻点，政府出来做一些作业，仍是比较入情入理的，也是十分有价值的。

此外，整个本钱商场跟十年前比较也有了一些改变。国有本钱在最近几年，尤其是跟新式产力相关的立异范畴，开端扮演越来越重要的人物，引领效果会越来越强，这确实在十年前是没有的。

在各地政府部分参加人形机器人开展的过程中，你以为那些城市会有比较大的优势？

王光熙：依据咱们有限的了解，各个地方的办法不太相同，很难点评哪个办法更好。

以江浙沪区域为例，它本身的工业系统就很丰厚，从AI到半导体算力再到规模化制作才干，都有比较全的供应链。一起，江浙沪区域的商业化比较发达，我们很会经商。所以，他们做这件事是奔着可以商业化的方针去的，主导权更多是在企业。

北京这边或许不太相同，整个制作业相对比较少，可是优势也很显着，便是AI人才密度很高，还有高校和互联网大厂的资源。北京的方针是归于纲举目张型的，经过树立结构性方针辅导，构建渠道型的工业技能生态。

关于人形机器人这样一个过于前期的职业，供应链的集聚效应，是不是是一个显着优势？

王光熙: 当然是。

机器人现在许多的零部件都不是新的，关于轿车零部件的复费用十分高。新能源轿车在最近十几年日新月异的开展，让我国在电机、电控、电池的工业集中度十分高。一起，轿车职业的剧烈竞赛，也让零部小型化、安全性和能量密度快速提高，这些零部件很大份额可以在人形机器人本体上复用。

除了本体之外，现在干流观念会把人形机器人其他技能分红大脑、小脑两个部分，这两个范畴的技能开展又是怎样的？

王光熙：我其实并不喜爱这种分类办法，比方小脑代表的是操控，大脑代表的是感知了解，这样会把这个作业变得很分裂。从未来的结局来看，人形机器人或许会越来越像是一个高度交融的端到端模型，这种纯模型驱动的办法成功概率比较大。

其实就跟人相同，人的行为逻辑并不是先坐在那儿，然后想做一件作业，大脑先把它全方案完，然后把这个方案输出给小脑，让小脑接收到一堆指令，终究呈现各种动作。人类行为的实质，是高度连通的神经网络，条件反射型的自主动作，有些是直接经过小脑进行运动操控。

所以，在现在人形机器人的根本形状都还没有彻底确认的情况下，分别去研讨大脑和小脑的技能，其实也不太实际。

这有点相似于特斯拉的FSD。FSD呈现之前，我们会以为要完成自动驾驶需求装置多少个雷达，多少个传感器。但FSD呈现之后，就把之前的感知、推理、决议计划逻辑，彻底推翻了。经过依据神经网络的端到端模型，FSD能完成更好的强化学习效果。

但这儿边有一个问题，特斯拉FSD的成功，是依据长周期、许多的轿车练习数据得来的。假如纯靠模型驱动，人形机器人各种维度的数据应该怎样取得？比较于特斯拉FSD所需求的数据量，人形机器人大模型的数据量是不是更大，取得难度也更大？

王光熙：不一定。

FSD出来之前，尽管特斯拉有了十多年的数据，但这些数据的关于纯模型驱动的FSD而言，价值没有那么高，此前投入许多精力做的数据标示作业或许都是白做的。你可以了解为，FSD不是由于特斯拉有了此前十年的数据量才干做出来，而或许是由于依据神经网络的端到端模型，依据近期更高质量的数据和现有的硬件结构，才有了FSD。

关于人形机器人的数据，现在学术圈也在探究，怎样用更高效的办法来获取数据和交融多种类型的数据。这些数据中，有些或许是机器人在实在场景中的练习数据，有些或许是从仿照学习得来的数据，有些或许是用高质量的仿真环境练习出来的数据，不胜枚举。

但总的来说，想要完成人形机器人的通用化，这些数据的需求体量也没有幻想中的那么巨大，由于机器人运动操控的精度和灵敏度也不需求那么高。

和自动驾驶不相同，一个老练的自动驾驶产品需求做到人类司机差不多的事端率，乃至更低。但关于通用人形机器人而言，它不相同要和人类平等水平或是逾越人类水平，它可以有许多中间状态，依据不平等级的通用水平，可以在不同的场景做更多的作业。

这是不是也意味着商业化或许也没那么难？

王光熙：我觉得关于商业化，短期内我们都过于达观，可是长时刻又都过于失望。短期内，我们恨不能他明日就啥都精干。但长时刻来看，它精干还精干好，还廉价，这又很难且差异很大。比方，假如一个干活才干很强的机器人价格100万，你会买吗？或许不会，由于假如多雇佣几个人，算上添加的本钱，或许仍是人更廉价。

关于端到端的这种形式，还有一个问题是假如我们都往这个方向走，也都选用相似的传感器、关节、电机电控，那么终究决议产品差异的是什么？

王光熙： 尽管大的结构都差不多，但关于结构的了解不同仍是挺大的。比方相同做强化学习、仿真练习，做得好与欠好，差十倍都有或许。再比方在传感器方面，比方力控传感器或许触觉传感器，曩昔的职业堆集都很少。所以，从传感器到底层算法再到多模态数据悬链，这个过程中发生的差异会十分大，这也会导致机器人的泛化才干和适用场景也会差异巨大。

所以，关于人形机器人公司的出资，您最垂青的是什么？

王光熙： 能否有极强的跨范畴研制才干，这点是十分重要的。人形机器人职业有着许多需求开荒的地带，这个时分开创团队需求有对前沿技能的打破才干，以及可以将最前沿不同范畴的技能融会贯通，这样才干做好全体的技能架构。

一起，要看这个人是不是AI年代原生的具身智能科学家，而不是本来做了多年的机器人操控或许视觉算法，现在大模型火了，出来学着做具身智能的人。假如仅仅一个商业化的团队，出来就跟你说我下一年就能商业化闭环，就能卖多少机器人，那都是在吹嘘。现在这个职业的现状是，至少需求两到三年才干够在部分技能范畴有一些长足的前进和打破。（本文首发于钛媒体APP，作者| 饶翔宇 修改 | 钟毅）